هوش اجتماعی مرز بعدی هوش مصنوعی است؟
لایفنگ فن، محقق آزمایشگاه ملی هوش مصنوعی، موسسه هوش مصنوعی عمومی پکن گفت: هوش مصنوعی جامعه و زندگی روزمره ما را تغییر داده است اما چالش مهم بعدی برای هوش مصنوعی در آینده چیست؟ ما استدلال می‌کنیم که هوش اجتماعی مصنوعی (ASI) مرز بزرگ بعدی است.
به‌نقل از تک اکسپلوریست، به گفته محققان، هوش اجتماعی مصنوعی شامل زیرشاخه‌های متعددی از جمله ادراک اجتماعی، نظریه ذهن (درک اینکه دیگران از دیدگاه خودشان فکر می‌کنند) و تعامل اجتماعی است. فن ابراز کرد که با استفاده از علوم شناختی و مدل‌سازی محاسباتی برای شناسایی شکاف بین سیستم‌های هوش مصنوعی و هوش اجتماعی انسان همچنین مسائل فعلی و جهت‌گیری‌های آینده، این حوزه برای پیشرفت بهتر مجهز خواهد شد.
وی بیان کرد: هوش اجتماعی مصنوعی در مقایسه با درک فیزیکی ما از کار، متمایز و چالش برانگیز است؛ به‌شدت وابسته به زمینه است. در اینجا، زمینه می‌تواند به بزرگی فرهنگ و عقل سلیم یا به اندازه تجربه مشترک دو دوست باشد. این چالش منحصر به‌فرد، الگوریتم‌های استاندارد را از مقابله با مشکلات هوش اجتماعی مصنوعی در محیط‌های واقعی که اغلب پیچیده، مبهم، پویا، تصادفی تا حدی قابل مشاهده و چند عاملی هستند، منع می‌کند.
به گفته فن، هوش اجتماعی مصنوعی به یک رویکرد جامع نیاز دارد، زیرا بهبود اجزای خاص یک سیستم هوش اجتماعی مصنوعی ممکن است برخلاف سیستم‌های هوش مصنوعی معاصر همیشه منجر به بهبود عملکرد نشود. در عوض، هوش اجتماعی مصنوعی به توانایی تفسیر نشانه‌های اجتماعی نهفته، مانند مانند چشم چرخاندن یا خمیازه کشیدن، برای درک حالات ذهنی سایر عوامل، مانند باور و قصد و همکاری در یک کار مشترک نیاز دارد.
تحقیقات چند رشته‌ای به مطالعه هوش اجتماعی مصنوعی کمک می‌کند و الهام‌بخش آن می‌شود؛ مطالعه هوش اجتماعی انسان، بینشی در مورد مبانی، برنامه درسی، نقاط مقایسه و معیارهای مورد نیاز برای توسعه هوش اجتماعی مصنوعی با ویژگی‌های شبیه به انسان فراهم می‌کند.
فن افزود: ما بر روی سه جنبه مهم و مرتبط ناگسستنی هوش اجتماعی تمرکز می‌کنیم، ادراک اجتماعی، نظریه ذهن و تعامل اجتماعی؛ زیرا آنها بر اساس نظریه‌های علوم شناختی به خوبی تثبیت شده‌اند و ابزارهای آماده و در دسترس برای توسعه مدل‌های محاسباتی در این زمینه‌ها هستند.
به‌عقیده فن، بهترین رویکرد، رویکردی جامع‌تر است و تقلید از نحوه ارتباط انسان‌ها با یکدیگر و دنیای اطرافشان است. این امر مستلزم یک محیط باز و تعاملی و همچنین در نظر گرفتن نحوه معرفی تعصبات انسانی بهتر در مدل‌های هوش اجتماعی مصنوعی است.
فن می‌گوید: برای تسریع پیشرفت هوش اجتماعی مصنوعی در آینده، ما توصیه می‌کنیم مانند انسان‌ها رویکردی جامع‌تر داشته باشیم تا از روش‌های یادگیری مختلف مانند یادگیری مادام‌العمر، یادگیری چند وظیفه‌ای، یادگیری یک‌باره یا چند مرحله‌ای، فرا یادگیری و غیره استفاده کنیم.
وی اضافه کرد: ما نیاز به تعریف مشکلات جدید، ایجاد محیط‌ها و مجموعه‌های داده جدید، راه‌اندازی پروتکل‌های ارزیابی جدید و ساخت مدل‌های محاسباتی جدید داریم. هدف نهایی تجهیز هوش مصنوعی به هوش اجتماعی مصنوعی سطح بالا و ارتقاء رفاه انسان با کمک هوش اجتماعی مصنوعی است.
